PART 03 · CHAPTER 01 · VISUAL LECTURE

데이터 분석 개요
지식 구조 → 사례 → 기출 적용

교재 192–197쪽 · 지식 시각화 + 5개 기출문제 좌우넘김 교안

이 장의 학습목표 교재 p.192

1

데이터 처리 프로세스 이해

Legacy · Staging · ODS · DW · DM의 역할과 연결

2

시각화의 역할 이해

차트·네트워크·워드 클라우드로 패턴 읽기

3

공간분석(GIS) 구분

지도상의 위치·분포·공간적 관계 해석

4

탐색적 자료 분석(EDA) 이해

분포·이상치·변수 간 관계를 모델링 이전에 확인

📊 최근 5년간 출제 비중 교재 제시 2021–2025

4장 통계

47.1%

5장 마이닝

45.6%

1–3장

7.3%

본 장 핵심은 분석 용어 구분 · 처리 순서 · EDA의 목적입니다.

1–3장 비중은 교재의 4·5장 비중을 100%에서 뺀 합계입니다. 해당 기출 비중은 과거 교재 집계이며 향후 출제를 보장하지 않습니다.

지식 전체 흐름을 4장면으로

기초 → 활용

🗃️

① 데이터가 흩어져 있어요

운영시스템마다 형식이 달라요.

“먼저 모으자!”

🧼

② 분석할 수 있게 정리해요

중복·결측·오류를 살펴봅니다.

“깨끗해졌네!”

📈

③ 그림으로 탐색해요

분포와 특이점을 발견합니다.

“패턴이 보인다!”

🔍

④ 분석하고 평가해요

패턴·규칙을 찾아 설명합니다.

“근거를 확인하자!”

출처: 업로드 교재, 3과목 1장 pp.192–197 · 만화와 예시는 이해를 돕기 위한 재구성

01 · DATA PROCESSING pp.192–193

데이터가 분석용 자료가 되기까지

데이터는 수집 → 임시 적재 → 정제 → 통합 → 분석용 구성 과정을 거칩니다. 아래 상자를 눌러 각 역할을 확인해 보세요.

→

LEGACY · 운영시스템

예약·결제·고객 관리 등 실제 업무를 처리하는 원천 시스템입니다. 운영 자료는 분석에 바로 쓰기보다 추출·검증·정제하는 편이 안전합니다.

시험 함정: “Legacy 데이터를 직접 DW와 전처리 없이 결합한다”는 문장은 교재 기출 1번에서 부적절한 설명으로 제시됩니다. 실제 데이터 아키텍처에서는 업무 요구에 따라 경로가 달라질 수 있습니다.

정제 전 · 예시 데이터

예약 ID	인원	날짜
A12	공란	26/10/02
A12	3	2026-10-02
B04	2	2026-10-03

결측값, 중복 ID, 날짜 형식 불일치가 보입니다.

정제 후 · 예시 데이터

예약 ID	인원	날짜
A12	3*	2026-10-02
B04	2	2026-10-03

* 예시에서는 원본 거래기록 확인으로 누락값 3을 검증했다고 가정합니다. 실제 결측값을 임의로 채우면 안 됩니다.

4컷 개념 이해 · 데이터 처리의 이유

🏨

예약 자료 발견

같은 예약이 두 번 들어왔어요.

“이대로 더할까?”

📦

임시로 모으기

Staging에 자료를 먼저 담아요.

“원본을 지키자.”

🧹

오류 점검

검증 후 중복·날짜 형식을 정리해요.

“정확해졌어!”

📊

분석용으로 구성

정리된 자료로 관광 수요를 봅니다.

“이제 분석하자.”

교재 pp.192–193 · 데이터 정제 예시는 이해용 가상 사례

02 · DATA VISUALIZATION p.193, p.195

시각화는 데이터를 보는 방법이자 분석 도구입니다

크기·색·위치·연결을 이용하면 표에서 놓치기 쉬운 패턴을 직관적으로 발견할 수 있습니다.

📊 기본 차트

월별 크기를 바로 비교할 수 있습니다.

🕸️ 연결망(SNA)

누가 누구와 연결되는지, 중심이 어디인지 읽습니다.

🔥 히트맵(Heatmap)

값이 높은 위치를 색의 진하기로 구분합니다.

☁️ 텍스트 시각화

관광 체험 문화
지역 만족 여행

워드 클라우드는 단어의 출현 빈도 등을 글자 크기와 색으로 표현합니다. 단어 크기만으로 문맥·인과관계를 알 수는 없습니다.

🎯 시험에서는 이렇게 구분

기본 도구 사용 = 엑셀 기초 차트 작성

다양한 표현 기법 = 네트워크·히트맵·워드 클라우드 등

기출 2번은 ‘최근 발전된 형태가 아닌 것’을 묻습니다. 기술의 실제 등장 연도보다는 교재가 제시한 구분에 맞춰 답합니다.

4컷 개념 이해 · 숫자가 그림이 되면?

🔢

긴 숫자 표

어느 달이 많은지 찾기 어려워요.

“눈이 아프다!”

📊

막대그래프

월별 차이가 바로 보입니다.

“3월이 높네!”

🕸️

관계 그래프

장소와 사람의 연결도 보입니다.

“중심이 있네!”

💡

발견을 질문으로

왜 차이가 생겼는지 분석합니다.

“이유도 확인!”

교재 p.193, p.195 · 그림은 설명용 모식도

03 · SPATIAL ANALYSIS p.193

공간분석(GIS) = 어디에서 일어났는가?

같은 관광객 수라도 위치에 따라 의미가 달라집니다. 지도에서 공간적 분포·집중·거리를 확인합니다.

🗺️ 가상 관광지의 방문 밀집도

낮음

높음

구역을 선택해 보세요

색이 진할수록 관광객 수가 많은 가상 사례입니다. 사각형을 누르면 해당 구역의 수치를 보여줍니다.

실제 GIS 지도가 아니라, 공간 속성을 색으로 나타내는 원리를 설명하기 위한 격자입니다.

GIS가 답하는 질문

📍 관광객은 어느 구역에 집중되었을까?

🚏 관광지와 교통 정류장은 얼마나 가까울까?

📈 어느 지역에서 방문객 증가가 두드러질까?

시각화 vs GIS
시각화는 데이터를 그림으로 표현하는 넓은 방법입니다. GIS 공간분석은 그중 특히 지리적 위치와 공간 관계를 다룹니다.

4컷 개념 이해 · 관광안내소 입지 결정

🧭

어디에 만들까?

안내소 후보지가 여럿 있습니다.

“위치가 중요해!”

🗺️

지도로 표시

방문객 밀집 구역을 색칠합니다.

“여기 사람이 많네.”

🚶

접근성 살피기

정류장·관광지와 거리도 봅니다.

“걷기 편할까?”

📍

장소 비교

근거를 모아 후보지를 비교합니다.

“이유가 분명해!”

교재 p.193 · 지역과 수치는 예시이며 실제 분석 결과가 아닙니다.

04 · EXPLORATORY DATA ANALYSIS p.194

EDA: 분석하기 전에 데이터를 먼저 살펴보는 과정

탐색적 자료 분석(Exploratory Data Analysis)은 분포·이상치·변수의 관계를 알아내어 다음 분석 방향을 결정하게 돕습니다.

🔬 그래프를 직접 바꿔 보세요

가상의 관광지 방문 시간과 만족도: 점들이 오른쪽 위로 향하는 경향을 보입니다. 상관관계가 곧 인과관계를 뜻하는 것은 아닙니다.

EDA에서 자주 확인하는 4가지

① 분포 · 값이 주로 어디에 모여 있나요?

② 이상치 · 유난히 멀리 떨어진 값이 있나요?

③ 관계 · 두 변수가 함께 움직이나요?

④ 변환·선택 · 분석에 더 적합한 표현이 있을까요?

교재의 EDA 4가지 주제: 저항성 강조, 잔차 계산, 자료변수의 재표현, 그래프를 통한 현시성.
저항성은 극단값의 영향을 덜 받는 관점을, 잔차는 관측값과 예측값의 차이를 뜻합니다.

4컷 개념 이해 · 이상한 데이터 하나가 보이면?

🧾

데이터를 받았어요

관광객 체류 시간이 기록돼 있어요.

“무엇부터 볼까?”

📉

그래프를 그려요

대부분 1~3시간에 모입니다.

“분포가 보인다!”

🧐

30시간이 발견됐어요

오입력인지 실제 값인지 확인해요.

“이상치인가?”

✅

확인 후 분석

오류 여부를 검증하고 다음 단계로.

“함부로 삭제 금지!”

교재 p.194 · 예시 수치는 학습용 가상 데이터

05 · STATISTICS pp.194–195

통계는 관찰을 요약하거나 전체를 추론합니다

데이터의 특징을 정리하는 기술통계(Descriptive Statistics)와 표본을 통해 모집단에 관해 판단하는 추론통계(Inferential Statistics)를 구별해 보세요.

📊

기술통계 · Descriptive

“지금 가진 데이터를 요약합니다.”

예: 설문 응답자 100명의 평균 만족도 4.2점

평균 4.2/5점 · 가상 예시

평균, 중앙값, 분산, 도수표, 그래프 등이 대표적입니다.

🎯

추론통계 · Inferential

“표본을 통해 전체 집단을 추정합니다.”

예: 응답자 100명을 바탕으로 전체 방문객 만족도를 추정

가설검정, 신뢰구간 등으로 불확실성을 함께 고려합니다.

4컷 개념 이해 · 100명의 조사로 무엇을 말할 수 있나?

🧑‍🤝‍🧑

100명을 조사

관광 만족도를 물었습니다.

“우리가 조사한 사람들!”

🧮

평균을 계산

응답자 평균을 요약합니다.

“이건 기술통계!”

🌐

전체 관광객은?

응답자가 전체를 대표할지 살핍니다.

“표본이 중요해!”

🎯

불확실성 고려

전체에 대한 추정과 검정을 합니다.

“이건 추론통계!”

자료의 정리가 목적이면 기술통계, 표본에서 모집단을 추론하면 추론통계입니다.

교재 pp.194–195 · 만족도 수치는 가상 예시

06 · DATA MINING p.195

데이터마이닝은 숨겨진 규칙과 패턴을 찾습니다

방대한 데이터에서 관계·패턴·규칙을 탐색하고 모델링해 유용한 지식을 얻는 분석 방법입니다.

1

문제 정의

무엇을 알고 싶나?

2

데이터 수집

어떤 자료가 필요한가?

3

전처리

결측·중복·형식 확인

4

기법 적용

규칙·분류·군집 등

5

모델 평가

결과는 유용하고 타당한가?

기출 4번 핵심: 정의 → 수집 → 전처리 → 분석 → 평가. 이는 해당 문제의 기본 순서이며 실제 데이터 프로젝트는 반복적으로 단계를 오갑니다.

🤖 기계학습

의사결정나무·군집분석·서포트벡터머신(SVM) 등 패턴을 학습해 분류·예측·집단화합니다.

Machine Learning

🛒 연관규칙 분석

관광객이 함께 구매한 상품 등 빈번한 조합을 찾아 관계를 분석합니다.

Association Rules

✉️ 텍스트마이닝

리뷰·SNS 같은 텍스트에서 단어·주제·감성 등 정보를 발견합니다.

Text Mining

4컷 개념 이해 · 여행상품 추천하기

🧳

궁금증

“A 체험을 예약한 사람은 무엇을 함께 고를까?”

🧾

구매자료 수집

예약 기록을 익명화해 정리합니다.

🧩

반복 패턴 발견

A 체험과 B 상품이 자주 함께 선택돼요.

💡

추천 가능성 검토

지지도·신뢰도 등을 살펴 적용합니다.

교재 p.195 · 관광 상품은 설명용 가상 사례

07 · CONCEPT MAP pp.192–195

헷갈리는 다섯 개념, 질문 하나로 구분하세요

어떤 도구를 선택할지 고민될 때는 “무엇을 알고 싶은가?”라는 질문부터 시작합니다.

분석의 중심 질문무엇을 알고 싶은가?

처리·정제쓸 수 있는 데이터인가?

EDA어떤 분포와 관계인가?

GIS어느 공간에서 발생했나?

데이터마이닝어떤 규칙·모형을 찾나?

DWData Warehouse

여러 출처를 통합한 분석용 데이터 저장소

DMData Mart

특정 주제·부서의 분석 목적에 맞춘 데이터 집합

ODSOperational Data Store

운영 데이터를 통합·정리해 활용하는 저장소

Staging임시 적재 영역

원천 자료를 잠시 적재하는 중간 영역

EDAExploratory Data Analysis

분포·이상치·변수 관계를 탐색하는 분석

GISGeographic Information System

공간 위치와 지리 관계를 다루는 체계

SNASocial Network Analysis

개체 간 연결 관계와 구조를 분석

Data Mining데이터마이닝

숨겨진 패턴·규칙·관계를 발견하고 모델링

🎯 문제를 푸는 3단계

STEP 1

문장 속 단서 찾기
분포, 위치, 전처리, 규칙 중 무엇인가?

STEP 2

핵심 목적과 연결
EDA=탐색, GIS=공간, DW/DM=저장·활용

STEP 3

함정 표현 점검
“전처리 없이”, “직접”, “정확도” 확인

교재 pp.192–195 · 용어 정의는 교재 중심 요약이며 현대적 활용 맥락을 일부 보완

PAST EXAM · QUESTION 01 교재 p.196

18회 기출데이터 처리 구조틀린 설명 고르기

기출 1 · 이론을 보고 문제를 풀어보세요

왼쪽의 이론 그림으로 개념을 확인하고 오른쪽 선택지를 누르세요. 정답은 직접 확인하기 전까지 표시되지 않습니다.

1. 아래의 그림은 데이터 처리 구조를 나타내고 있다. 그림에 대한 설명으로 잘못된 것은?

Legacy 데이터는 운영 목적에 맞춰 생성되므로 결측·중복·형식 불일치가 있을 수 있습니다. 운영시스템에서 추출한 자료는 보통 스테이징과 정제·검증 과정을 거친 후 분석용 저장소에 통합합니다.

선택지별 해설

①

맞는 설명입니다. DW는 다양한 원천을 통합하고, DM은 특정 분석 목적에 맞춘 데이터 집합을 제공합니다.

②

틀린 설명입니다. “직접”, “전처리 없이”가 함정입니다. 데이터 품질과 운영 안정성을 고려해야 합니다.

③

교재의 설명에 부합합니다. ODS의 데이터는 활용 목적에 맞게 정리하여 분석용 데이터와 결합할 수 있습니다.

④

맞는 설명입니다. 스테이징은 임시 적재 공간으로, 데이터가 아직 정제되지 않았을 수 있습니다.

📌 암기 포인트 · Legacy → Staging → 정제(ODS 등) → DW → DM

정답 판단의 핵심

데이터 처리 구조

문제를 다 풀고 다음 문항으로 이동하세요. ‘정답 확인’을 누르면 이유와 오답 해설을 확인할 수 있습니다.

교재 p.196 · 문제 문장은 가독성을 위해 띄어쓰기 및 OCR 오탈자 일부 정리 · 정답은 교재 p.197 기준

PAST EXAM · QUESTION 02 교재 p.197

19회 기출시각화 기법의 발전해당하지 않는 것

기출 2 · 이론을 보고 문제를 풀어보세요

왼쪽의 이론 그림으로 개념을 확인하고 오른쪽 선택지를 누르세요. 정답은 직접 확인하기 전까지 표시되지 않습니다.

2. 최근 시각화 기법의 활용이 높아지면서 데이터의 특성을 파악하는 데 많은 기여를 하고 있다. 다음 중 최근의 시각화의 발전된 형태가 아닌 것은?

교재에서 구분하는 기준은 기본 통계치를 단순 차트로 옮긴 사례인지, 데이터의 복잡한 구조·관계·분포를 새로운 방식으로 표현한 사례인지입니다. ③은 전통적 기초 그래프 작성에 가까워 정답입니다.

선택지별 해설

①

워드 클라우드는 텍스트의 단어 빈도나 중요도를 시각적으로 표현하는 기법입니다.

②

SNA 네트워크 그래프는 사람·집단·노드 간 연결 구조를 한눈에 보여줍니다.

③

정답입니다. 기초통계를 엑셀 차트로 표현하는 것 자체는 새로운 시각화 방식이라 보기 어렵습니다.

④

히트맵과 모자이크 그래프 등은 복합적인 데이터 패턴을 전달하는 시각화 방법으로 활용됩니다.

📌 암기 포인트 · 기본 그래프 작성 ≠ 발전된 시각화 기법의 대표 사례

정답 판단의 핵심

시각화 기법의 발전

문제를 다 풀고 다음 문항으로 이동하세요. ‘정답 확인’을 누르면 이유와 오답 해설을 확인할 수 있습니다.

교재 p.197 · 문제 문장은 가독성을 위해 띄어쓰기 및 OCR 오탈자 일부 정리 · 정답은 교재 p.197 기준

PAST EXAM · QUESTION 03 교재 p.197

19회 기출EDA 개념개념 식별

기출 3 · 이론을 보고 문제를 풀어보세요

왼쪽의 이론 그림으로 개념을 확인하고 오른쪽 선택지를 누르세요. 정답은 직접 확인하기 전까지 표시되지 않습니다.

3. 데이터가 가지고 있는 특성을 파악하기 위해 해당 변수의 분포 등을 시각화하여 분석하는 분석방식은 무엇인가?

EDA는 본격적인 모델 구축 전에 자료의 분포, 이상치, 변수 간 관계, 예상하지 못한 패턴 등을 탐색합니다. 여기서 “분포를 시각화해 특성을 파악”한다는 말이 결정적 단서입니다.

선택지별 해설

①

전처리는 결측·중복·형식 문제를 해결하여 분석 가능한 상태로 만드는 과정입니다.

②

정답입니다. 데이터 분포·이상치·관계를 살펴보는 활동이 EDA입니다.

③

공간분석은 지리적 위치와 공간적 관계가 핵심입니다.

④

다변량분석은 복수 변수를 함께 분석하는 넓은 분석 방법군이며, 질문의 직접적 용어는 EDA입니다.

📌 암기 포인트 · 분포·특징·이상치·관계 → EDA

정답 판단의 핵심

EDA 개념

문제를 다 풀고 다음 문항으로 이동하세요. ‘정답 확인’을 누르면 이유와 오답 해설을 확인할 수 있습니다.

교재 p.197 · 문제 문장은 가독성을 위해 띄어쓰기 및 OCR 오탈자 일부 정리 · 정답은 교재 p.197 기준

PAST EXAM · QUESTION 04 교재 p.197

35회 기출데이터 마이닝 절차순서 배열

기출 4 · 이론을 보고 문제를 풀어보세요

왼쪽의 이론 그림으로 개념을 확인하고 오른쪽 선택지를 누르세요. 정답은 직접 확인하기 전까지 표시되지 않습니다.

4. 다음은 데이터 마이닝 프로젝트의 단계이다. 이 과정에서 올바른 순서는 무엇인가?

가. 문제 정의　나. 데이터 수집　다. 데이터 전처리　라. 분석 기법 적용　마. 모델 평가

문제를 정한 뒤 필요한 데이터를 수집하고, 결측·이상값을 처리한 다음 분석 기법을 적용합니다. 모델 평가를 마지막에 수행하는 것이 이 문항에서 요구한 기본적인 흐름입니다. 실제 프로젝트에서는 평가 결과에 따라 이전 단계로 돌아가기도 합니다.

선택지별 해설

①

정답입니다. 문제 정의 → 수집 → 전처리 → 분석 → 평가의 순서입니다.

②

수집하기도 전에 수집 데이터의 전처리를 완료할 수는 없습니다.

③

정제되지 않은 데이터를 분석에 먼저 적용하여 전처리와 분석 단계의 순서가 바뀌었습니다.

④

모델을 평가하려면 먼저 분석 기법을 적용하여 모델 또는 결과를 만들어야 합니다.

📌 암기 포인트 · 문제 정의 → 데이터 수집 → 전처리 → 분석 → 평가

정답 판단의 핵심

데이터 마이닝 절차

문제를 다 풀고 다음 문항으로 이동하세요. ‘정답 확인’을 누르면 이유와 오답 해설을 확인할 수 있습니다.

교재 p.197 · 문제 문장은 가독성을 위해 띄어쓰기 및 OCR 오탈자 일부 정리 · 정답은 교재 p.197 기준

PAST EXAM · QUESTION 05 교재 p.197

44회 기출EDA의 목적빈칸 채우기

기출 5 · 이론을 보고 문제를 풀어보세요

왼쪽의 이론 그림으로 개념을 확인하고 오른쪽 선택지를 누르세요. 정답은 직접 확인하기 전까지 표시되지 않습니다.

5. 다음 빈칸에 들어갈 적절한 내용은 무엇인가?

탐색적 데이터 분석은 데이터를 이해하고 데이터를 시각화하여 초기 단계에서 ( )을(를) 파악하기 위해 수행됩니다.

EDA는 분석 초기의 질문인 “데이터는 어떻게 생겼으며 변수들은 어떻게 연결되는가?”에 답합니다. 미래 예측과 정확도 평가는 다음 분석·모델링 단계에서 수행할 수 있는 작업입니다.

선택지별 해설

①

정답입니다. 분포·이상치·특성·상관관계 등은 EDA의 기본 탐색 대상입니다.

②

미래 경향 예측은 별도의 예측 모형과 검증을 필요로 하며 EDA의 직접 목적은 아닙니다.

③

모델의 정확도는 모델 구축 후 성능평가 단계에서 확인합니다.

④

프로젝트 비용은 관리·계획 정보이며 EDA의 핵심 분석 대상이 아닙니다.

📌 암기 포인트 · EDA = 데이터 이해 + 시각화 + 초기 패턴 탐색

정답 판단의 핵심

EDA의 목적

문제를 다 풀고 다음 문항으로 이동하세요. ‘정답 확인’을 누르면 이유와 오답 해설을 확인할 수 있습니다.

교재 p.197 · 문제 문장은 가독성을 위해 띄어쓰기 및 OCR 오탈자 일부 정리 · 정답은 교재 p.197 기준

FINISH · SELF CHECK

1장 최종 점검 · 이해에서 정답까지

5개 기출문제 정답을 확인하고 암기 포인트를 마지막으로 정리하세요.

0/5정답 확인한 문제

0/5첫 시도 정답

5아직 확인하지 않은 문제

기출문제 답안 요약

Q1 · ②Legacy 바로 결합 X

Q2 · ③엑셀 기초차트

Q3 · ②분포 탐색=EDA

Q4 · ①정의→수집→전처리→분석→평가

Q5 · ①특성과 관계

마지막 암기 키워드

DW·DM : 분석에 필요한 저장·활용 공간
ODS·Staging : 임시 적재 및 데이터 정리 흐름
시각화·GIS : 구조·위치·특성을 그림으로 파악
EDA : 모델링 전 분포·이상치·관계 탐색
데이터마이닝 : 데이터 속 패턴·규칙 발견

한 문장으로 정리하면?

좋은 분석은 데이터를 정제하고, 먼저 탐색하고, 목적에 맞게 분석하며, 얻은 결과를 검증하는 과정입니다.

기출 정답표: 업로드 교재 p.197

데이터 분석 개요지식 구조 → 사례 → 기출 적용

이 장의 학습목표 교재 p.192

지식 전체 흐름을 4장면으로

데이터가 분석용 자료가 되기까지

4컷 개념 이해 · 데이터 처리의 이유

시각화는 데이터를 보는 방법이자 분석 도구입니다

4컷 개념 이해 · 숫자가 그림이 되면?

공간분석(GIS) = 어디에서 일어났는가?

4컷 개념 이해 · 관광안내소 입지 결정

EDA: 분석하기 전에 데이터를 먼저 살펴보는 과정

4컷 개념 이해 · 이상한 데이터 하나가 보이면?

통계는 관찰을 요약하거나 전체를 추론합니다

기술통계 · Descriptive

추론통계 · Inferential

4컷 개념 이해 · 100명의 조사로 무엇을 말할 수 있나?

데이터마이닝은 숨겨진 규칙과 패턴을 찾습니다

문제 정의

데이터 수집

전처리

기법 적용

모델 평가

4컷 개념 이해 · 여행상품 추천하기

헷갈리는 다섯 개념, 질문 하나로 구분하세요

기출 1 · 이론을 보고 문제를 풀어보세요

정답 판단의 핵심

기출 2 · 이론을 보고 문제를 풀어보세요

정답 판단의 핵심

기출 3 · 이론을 보고 문제를 풀어보세요

정답 판단의 핵심

기출 4 · 이론을 보고 문제를 풀어보세요

정답 판단의 핵심

기출 5 · 이론을 보고 문제를 풀어보세요

정답 판단의 핵심

1장 최종 점검 · 이해에서 정답까지

기출문제 답안 요약

마지막 암기 키워드

한 문장으로 정리하면?

데이터 분석 개요
지식 구조 → 사례 → 기출 적용